基于对象先验的层次注意力扩散网络视频变化检测
计算机视觉与模式识别
2025-04-29 v2 人工智能
图像与视频处理
摘要
我们提出了一种统一的变化检测管道，将实例级掩码、扩散模型中的多尺度注意力以及每像素语义分类结合，最终通过SSIM细化以匹配人类感知。首先通过Mask R-CNN隔离仅包含 temporally novel 对象的区域，然后通过层次级跨注意力引导对象和全局上下文进行扩散更新，最后将每个像素分类为C种变化类型之一。该方法在合成数据和真实世界基准测试中相较于传统 differencing、Siamese CNN和GAN-based 检测器，在F1和IoU上提高了10-25分，标志着遥感变化检测领域的新型状态。
引用
@article{arxiv.2408.10619,
title = {Hierarchical Attention Diffusion Networks with Object Priors for Video Change Detection},
author = {Andrew Kiruluta and Eric Lundy and Andreas Lemos},
journal= {arXiv preprint arXiv:2408.10619},
year = {2025}
}